Google DeepMind 發表 Gemini Robotics 2.5，這是目前最強的機器人視覺語言動作模型。Apollo 2 人形機器人在賓士工廠分揀汽車零件，成功率達 96%。官方也同步公布，在 200 項測試任務中，成功率比上一代提升 30% 到 100%，完成速度快 20% 到 30%，這代表人形機器人從實驗室示範走向產線，又往前跨了一步。
Gemini Robotics 2.5 是什麼，為什麼值得關注
Google DeepMind 在官方部落格表示，Gemini Robotics 2.5 是旗下最強的視覺語言動作（VLA）模型，改進集中在靈巧度、可靠度與安全性三個面向。DeepMind 用 200 項不同任務進行評估，內容包括用夾子盛裝食物、替禮盒綁蝴蝶結、用吸管移取液體等，需要精細接觸與多步驟判斷的工作。
官方表示，與上一代 Gemini Robotics 2 相比，各類任務的成功率提升 30% 到 100%，完成任務的速度快 20% 到 30%。對想把機器人導入工廠或倉儲的企業來說，成功率與節拍是最直接影響導入成本的兩個指標，因此這組數字比單純的模型參數更有參考價值。
從 0% 到 100%：靈巧操作的進步幅度
官方圖表列出了不少代表性任務。蓋上黑色工具箱的蓋子，成功率從 0% 提升到 93%；把馬克杯從掛架取下放到桌上，從 29% 提升到 75%；用刷子把垃圾掃進畚箕，從 0% 提升到 52%；打包電鍋，從 0% 提升到 40%。
在最考驗手部細節的「工具與柔軟物體」類別中，用夾子把糕點裝進盒子的成功率由 5% 升到 100%，解開禮盒緞帶從 0% 升到 70%，把毛衣掛上衣架從 0% 升到 62%，用折衣板折長褲則從 0% 升到 40%。這些數字也顯示，折衣服這類形變物件的任務仍有明顯進步空間。
賓士工廠實測：Apollo 2 分揀汽車零件成功率 96%
實際場域方面，官方公布了與 Apptronik、賓士（Mercedes-Benz）合作的概念驗證。Apptronik 的 Apollo 2 人形機器人在匈牙利凱奇凱梅特（Kecskemét）與德國辛德芬根（Sindelfingen）的產線上進行汽車零件分揀，達到 96% 的成功率，官方形容這仍屬概念驗證階段。
Apptronik 共同創辦人暨執行長 Jeff Cardenas 表示：「這正是我們打造 Apollo 的原因：在真實的工業場景中，與人一起完成有用的工作。」Gemini Robotics 2.5 可搭配不同機器人本體，包括配備五指、22 自由度 SharpaWave 手部的 Apollo 2，以及使用雙指平行夾爪的 Franka Duo 平台。
安全性：推論時引導與越獄測試
機器人進入有人的環境後，安全比準確度更關鍵。DeepMind 為 2.5 加入推論階段的推理引導，讓機器人在行動時更能閃避障礙與周邊人員；依研究團隊自己的評估，繞過障礙物時的安全完成率提升 33%，在人員附近時提升 43%。
DeepMind 同時在 Hugging Face 釋出開源的 ASIMOV-Jailbreak 基準，內含數百個把危險指令偽裝成一般請求的提示，涵蓋數十種場景。在這項測試中，Gemini Robotics 2.5 的抵抗率為 99.5%，上一代基線 Gemini Robotics ER 2 則為 82%。官方也說明，Gemini 4 Argon 在團隊的代理式機器人評估中，於拒絕不安全任務、處理不確定性與近距離與人共事等項目表現領先，並在開發過程中負責產生模擬練習與數位孿生場景，協助分析任務失敗原因。
目前能用嗎：先從機器人合作夥伴開始
目前 Gemini Robotics 2.5 透過機器人合作夥伴逐步開放，官方頁面未提及公開 API 或試用計畫。對一般開發者來說，短期內較可能是透過 Apptronik、Agile Robots、波士頓動力（Boston Dynamics）等夥伴的機器人產品接觸到這個模型，是否開放更廣泛的存取，要等 DeepMind 後續公布。
整體來看，這次更新的重點不是單一模型分數，而是把靈巧操作、工廠實測與安全評估放在同一份成績單裡。接下來值得觀察的是 96% 的產線成績能否從概念驗證擴大到正式量產，以及更多機器人廠商何時開始搭載。
